Echtzeitsignalverarbeitung verteilter Radarsysteme im Bereich des autonomen Fahrens (PRYSTINE)

Programmable Systems for Intelligence in Automobiles

Am 1. Mai 2018 startete das Forschungs- und Innovationsprojekt PRYSTINE, unter gemeinsamer Finanzierung der Europäischen Union durch ECSEL und den nationalen Regierungen der ECSEL-Mitgliedstaaten. Der Lehrstuhl für Technische Elektronik repräsentiert im Konsortium von über 50 europäischen Partnern die FAU.

Unter den tatsächlichen Trends, die die Gesellschaft in den kommenden Jahren beeinflussen werden, zeichnet sich das autonome Fahren insbesondere durch das Potenzial aus, die Automobilindustrie, wie wir sie heute kennen, zu verändern. In der Folge wird dies auch die Halbleiterindustrie stark beeinflussen und neue Marktchancen eröffnen, da Halbleiter als „Enabler“ für autonome Fahrzeuge eine unverzichtbare Rolle spielen. Autonomes Fahren wurde als eine der wichtigsten Voraussetzungen für die Bewältigung der gesellschaftlichen Herausforderungen einer sicheren, sauberen und effizienten Mobilität identifiziert. Dazu ist ein ausfallsicheres Verhalten unerlässlich, um sicherheitskritische Situationen aus eigener Kraft zu bewältigen. Dies wird mit heutigen Ansätzen auch aufgrund fehlender zuverlässiger Umgebungswahrnehmung und unzureichender Sensorfusion nicht erreicht.

Im Projekt mit dem Titel „Programmable Systems for Intelligence in Automobiles“ (PRYSTINE) geht es im Allgemeinen darum, eine robuste und ausfallsichere rundum Wahrnehmung der Umgebung von Fahrzeugen zu realisieren. Mittels robuster Sensordatenfusion von Radar-, LiDAR- und Kameradaten, sowie ausfallsicheren Steuerungsfunktionen, soll möglichst sicheres autonomes Fahren in städtischer und ländlicher Umgebung ermöglicht werden.

Am Lehrstuhl für Technische Elektronik soll im Rahmen von PRYSTINE eine robuste Umwelterfassung und Bildgebung mittels MIMO Radarsensoren erfolgen. Hierbei sollen auch unterschiedliche Einflüsse und Szenarien, wie zum Beispiel Funkinterferenzen oder die Detektion im Nahfeld für Automobilradare betrachtet werden. Des Weiteren sollen Teile der traditionellen Radarsignalverarbeitungskette, von der Interferenzreduktion, bis hin zu Detektion, Klassifikation und Tracking von Verkehrsteilnehmern, schrittweise durch maschinelles Lernen ersetzt werden.

Vollständige Informationen über dieses Projekt finden Sie auf der offiziellen Website: www.prystine.eu